diff程式很重要，linux中的源**補丁都是diff作出來的，diff在比較兩個文字檔案的不同方面很高效，它是基於行的，diff會將兩個檔案都按照行分成若干部分，然後計算這些行每一行的校驗碼，之後的問題就是比較這兩個檔案的所有行的校驗碼序列的不同了，這就把問題歸結為了序列比對，diff用的是動態規劃演算法，動態規劃和貪心演算法相似，但是其思想卻是相反的，貪心演算法保證每一步都是最小代價的，但是不能保證最終代價最小，而動態規劃每一步什麼也不知道，它從起點開始，只管區域性地按照要求將無所謂的結果鋪滿全域性，然後回溯，在這些繁複的資料之間找到一條從開始到最後的一條路徑，為何這條路徑就是結果呢？因為每一步都符合要求，所以無論如何最終隨便一條按照要求的回溯路線都符合要求，可是可以看出，這條回溯路線的結果是乙個正確結果但是卻不是唯一的結果，正所謂條條大道通羅馬。和貪心演算法一樣，隨便的一條回溯路線不一定是最佳的，尋找最佳結果還要靠別的機制，貪心演算法比動態規劃好的就是靠近最佳結果的機率更大些，而動態規劃只是乙個結果，它旨在找到一種方案，然而動態規劃有自己的優勢，就是如果你的模型建的好，那麼它可以在每一步很輕鬆的情況下達到同樣的效果，關鍵就是建模。
diff的演算法就是乙個動態規劃的例子，比如乙個校驗碼序列p有m個元素，另乙個q有n個元素，它構建乙個(m+1)*(n+1)的矩陣，然後引出一條蛇，蛇頭勇往直前，呵呵，其實就是往矩陣裡面的元素裡填數字，從(0,0)一直到(m+1,n+1)的大方向填數字，保證所填的數字單調增長，也就是填入的數字不能比它的參照值小，將要填入的是vi,j,那麼它的參照值就是vi-1,j-1，vi-1,j和vi,j-1，具體怎麼做到呢？v值的增加只有一種可能性就是在pi和qj相等的情況下，其它情況下都是不增加的，所以vi,j的值就是三者中最大的，vi,j的參考值不是有三個嗎？那麼這種增加的情況和哪個參考值有關聯呢？事實上是和對角的那個，也就是和vi-1,j-1,仔細想一下，只有i和j同步增長才是p和q的同步推進引起的比較，i和j的單獨推進只是p序列或者q序列的單獨向前推進，也就是說在序列比對的時候就是乙個gap，這種方式填表很簡單，只要有左上，上，左三個值就可以求出當前的這個值，每一步都是那麼的區域性，最終填完後，找到最大的這個值的位置，很顯然是最右下角的這個，然後回溯，怎麼回溯呢？乙個乙個的找到當前值的前驅值所在的位置就可以了，最後將回溯的道路進行標註，得到了p和q的兩條路徑，每寫乙個字元，如果路徑和字串行的方向垂直，那麼就寫乙個空格，最終的結果就是diff的結果，很巧妙吧。不過以上的方式回溯寫出來的路徑不止一條，每一條路徑都是乙個結果。
我們可以看出，每一步都是機械的既定規律的模仿，沒有什麼技巧可言，和貪心演算法幾乎一樣，都是區域性的，但是diff演算法的每一步並沒有和全域性的聯絡起來，知道完成了整個填充之後才在回溯的時候和全域性的結果相聯絡，而貪心演算法的每乙個都記著自己在幹什麼，不需要回溯，這個意義上可以看出diff演算法的填充過程更像是乙個規整過程而不是乙個十足的計算過程，貪心演算法顯得一直很努力，而diff這裡所用的演算法會耍一些技巧，你不是看不出我在做社麼嗎，別急，等會我回溯，一條路徑被勾勒出來了。
diff演算法 diff演算法介紹
diff演算法的作用 計算出virtual dom中真正變化的部分，並只針對該部分進行原生dom操作，而非重新渲染整個頁面。傳統diff演算法 通過迴圈遞迴對節點進行依次對比，演算法複雜度達到 o n 3 n是樹的節點數，這個有多可怕呢？如果要展示1000個節點，得執行上億次比較。即便是cpu快能執...
vue的diff演算法
1.當資料發生變化時，vue是怎麼更新節點的？渲染真實dom的開銷很大，比如我們修改了某個資料，如果直接渲染到真實dom會引起整個dom樹的重繪和重排，有沒有可能我們只更新我們修改的那一小塊dom而不更新整個dom呢？diff演算法可以幫助我們。我們根據真實dom生成乙個虛擬dom，當虛擬dom某個...
React的Diff演算法
要掌握react的diff演算法我們必須先了解一下其渲染的機制 在每一次的狀態或者屬性更新的時候，react元件的render方法會進行渲染，返回乙個虛擬dom物件，這個就是react的渲染機制。但是這裡就有個問題，每次生成新的dom結構，也還是要轉化為真實的dom，還是會帶來大量的真實dom的操作...